礦井提升機故障時間序列符號化聚類方法研究.pdf

1、現(xiàn)代工業(yè)科學(xué)技術(shù)飛速發(fā)展,設(shè)備系統(tǒng)的結(jié)構(gòu)越來越復(fù)雜,系統(tǒng)運行的安全性和可靠性得到社會普遍的關(guān)注,眾多科研工作者投身于故障診斷技術(shù)的研究。如何實現(xiàn)更低的復(fù)雜度和更強的在線診斷能力一直是當(dāng)前研究的熱點。
　　時間序列的相關(guān)技術(shù)目前有著廣泛的研究,其在故障診斷技術(shù)中有一些成功的應(yīng)用。本文主要從時間序列相似性距離度量和聚類分析的角度對故障診斷技術(shù)進(jìn)行研究,具體內(nèi)容如下:
　　首先,本文研究了時間序列相似性距離度量的常用算法,針對傳統(tǒng)

2、的歐式距離匹配效率較低,而 DTW距離度量時間復(fù)雜度非常高,且不支持相似性比較中時間軸伸縮、平移的問題,提出了基于最長公共子序列的時間序列符號化相似性度量算法。算法引入柔性匹配參數(shù),使得序列匹配能夠減少噪聲干擾,此外規(guī)范了匹配路徑,減少了算法耗時,同時一定程度上支持時間序列的各種變換近似匹配,提高了相似性度量的準(zhǔn)確性。
　　其次,在相似性距離度量算法基礎(chǔ)上,提出了一種時間序列聚類算法,實現(xiàn)了基于字符距離的聚類模型分析。算法利用E-